Glas är amorft till sin natur - dess atomstruktur innefattar inte det repetitiva arrangemanget som ses i kristallina material. Men ibland, den genomgår en process som kallas devitrifikation, vilket är omvandlingen av ett glas till en kristall - ofta en oönskad process i industrier. Devitrifikationsdynamiken förblir dåligt förstådd eftersom processen kan vara extremt långsam, som sträcker sig över decennier eller mer.

Nu, ett team av forskare under ledning av Rajesh Ganapathy, Docent vid Jawaharlal Nehru Center for Advanced Scientific Research (JNCASR), i samarbete med Ajay Sood, DST Year of Science Chair och professor vid Indian Institute of Science (IISc), och deras doktorsexamen student Divya Ganapathi (IISc) har visualiserat devitrifikation för första gången i experiment. Resultaten av denna studie har publicerats i Naturfysik .

"Tricket var att arbeta med ett glas av kolloidala partiklar. Eftersom varje kolloidal partikel kan ses som ett substitut för en enda atom, men är tiotusen gånger större än atomen, dess dynamik kan ses i realtid med ett optiskt mikroskop. Också, för att påskynda processen justerade vi interaktionen mellan partiklar så att det är mjukt och omläggningar i glaset förekommer ofta, "säger Divya Ganapathi.

För att göra ett glas, Divya Ganapathi och teamet stoppade ihop kolloiderna för att nå höga densiteter. Forskarna observerade olika delar av glaset efter två vägar till kristallisering:en lavinförmedlad väg som involverar snabba omläggningar i strukturen, och en smidig tillväxtväg med omarrangemang som sker gradvis över tiden.

För att få insikt i dessa fynd, forskarna använde sedan maskininlärningsmetoder för att avgöra om det fanns någon subtil strukturell egenskap dold i glaset som apriori bestämmer vilka regioner som senare skulle kristallisera och genom vilken väg. Trots att glaset är stört, maskininlärningsmodellen kunde identifiera en strukturell egenskap som kallas "mjukhet" som tidigare visat sig avgöra vilka partiklar i glaset omarrangerar och vilka som inte gör det.

Forskarna fann sedan att regioner i glaset som hade partikelkluster med stora "mjukhetsvärden" var de som kristalliserades och att "mjukhet" också var känslig för kristallisationsvägen. Det kanske mest slående fyndet från studien var att författarna matade sina maskininlärningsmodeller med bilder av ett kolloidalt glas och modellen förutspådde exakt de regioner som kristalliserade dagar i förväg. "Detta banar väg för en kraftfull teknik för att identifiera och ställa in" mjukhet "i god tid och undvika devitrifikation, säger Ajay Sood.

Att förstå devitrifikation är avgörande inom områden som läkemedelsindustrin, som strävar efter att producera stabila amorfa läkemedel när de löser sig snabbare i kroppen än deras kristallina motsvarigheter. Även flytande kärnavfall förglasas som ett fast ämne i en glasmatris för att säkert kasta det djupt under jorden och förhindra att farliga material läcker ut i miljön.

Författarna tror att denna studie är ett betydande steg framåt för att förstå sambandet mellan den underliggande strukturen och glasets stabilitet. "Det är riktigt häftigt att en maskininlärningsalgoritm kan förutsäga var glaset kommer att kristallisera och var det ska förbli glasartat. Detta kan vara det första steget för att designa mer stabila glasögon som gorillaglaset på mobiltelefoner, som är allestädes närvarande i modern teknik, "säger Rajesh Ganapathy. Möjligheten att manipulera strukturella parametrar kan inleda nya sätt att förverkliga tekniskt signifikanta långlivade glasartade tillstånd.